XiaoMi-AI文件搜索系统
World File Search SystemStochastic
强化学习方法与相关需求的随机车辆路由问题
摘要我们提出了一个新颖的端到端框架，用于使用加固学习（RL）解决随机需求（VRPSD）解决车辆路由问题。我们的公式通过其他可观察到的随机变量结合了随机需求之间的相关性，从而提供了一个实验性证明，以证明non-i.i.i.d。随机需求为改进路由解决方案提供了机会。我们的方法弥合了RL应用于VRPSD的差距，并包括使用策略梯度算法优化的参数化随机策略，以生成形成解决方案的一系列操作。我们的模型表现优于先前的最先进的元启发式学，并证明了环境变化的鲁棒性，例如供应类型，车辆容量，相关性和需求的噪声水平。此外，通过观察奖励信号并遵循可行性约束，可以轻松地为不同的VRPSD场景重新训练该模型，从而使其高度灵活且可扩展。这些发现突出了RL提高运输效率并减轻其在随机路由问题中的环境影响的潜力。我们的实施可在线获得。a
细胞群体动态随机模型量化结肠隐窝内的稳态及其在早期肿瘤发生中的破坏
摘要：健康结肠隐窝如何维持其大小，以及驱动突变如何破坏细胞稳态，这些问题对于理解结直肠肿瘤发生至关重要。我们提出了一个包含三种类型的随机分支过程，分别考虑干细胞、过渡扩增 (TA) 细胞和完全分化 (FD) 细胞，以模拟结肠隐窝中细胞群的动态变化。我们的模型公式简单，使我们能够估算文献中除一个模型参数之外的所有参数。通过拟合剩余的一个参数，我们发现模型结果与健康人类结肠隐窝的数据吻合良好，捕捉到了实验观察到的群体大小的显著差异。重要的是，我们的模型可以预测健康结肠隐窝中相关参数值的稳态细胞群。我们表明，APC 和 KRAS 突变（导致结直肠癌的最显著的早期改变）会导致突变隐窝中稳态细胞群增加，这与实验结果一致。最后，我们的模型预测了隐窝内细胞无限生长的简单情况，这与结直肠恶性肿瘤相对应。预计这种情况发生在TA细胞的分裂率超过其分化率时，这对癌症的治疗预防策略具有重要意义。
Microsoft Word - OSAC 2021-S-0003 确定分析和随机阈值的标准版本 2.1.docx
本文件定义了确定和验证分析阈值和随机阈值的各自最低要求。此类阈值有助于确保所获数据的可靠性，同时清楚地传达在下游解释过程中评估数据的假设。实验室的目标是始终如一地生成可靠且可重复的等位基因数据名称，并通过内部验证数据和实验室协议确定何时可能发生等位基因丢失。如果实验室在其数据分析方法中对案件中是否检测到峰值做出二元判定，则分析阈值是必需的。同样，如果实验室在其数据分析方法中对案件中等位基因丢失的可能性做出二元判定，则随机阈值也是必需的。每当应用阈值时，都有可能发生分类错误。任何分析阈值的内在预期是，不可重复的噪声会产生一些峰值，这些峰值由于超出阈值而被错误地归类为等位基因，并且一些真正的等位基因将无法检测到，因为它们产生的峰值低于阈值。任何随机阈值的内在预期是，在确定是否可能发生等位基因丢失时会发生一些错误。当姊妹等位基因峰丢失并且第二个峰高于随机阈值时，一些杂合基因型将被错误地归类为纯合。相反，一些纯合基因型将被错误地归类为潜在杂合，因为单个峰低于随机阈值。根据相关经验数据的统计分析确定阈值的优势在于，可以估算出给定阈值水平下这些可能错误的相对风险。在设定阈值时，实验室必须采用基于统计的方法来确定这些事件中有多少比例可用于法医案件的分析。该标准的草案由法医科学领域委员会组织的人类法医生物学小组委员会制定。关键词：分析阈值、随机阈值、DNA、验证、信号、伪影、噪音
随机连续时间游戏中的策略
∗ We thank Ken-Ichi Akao, Eduardo Faingold, Drew Fudenberg, Oliver Hart, Michihiro Kandori, Akitada Kasahara, Jay Lu, Bentley MacLeod, Eilon Solan, Phillip Strack, Takuo Sugaya, Satoru Takahashi, Jean Tirole, Juuso Toikka, and Yasutora渡边提出了有益的建议。我们还感谢香港中文大学，哈佛大学/马萨诸塞州理工学院，霍茨邦大学，加利福尼亚大学戴维斯分校，东京大学和奥塔鲁大学经济理论2018年夏季经济理论研讨会的研讨会参与者的评论。同一作者的另一个工作文件“具有随机交易成本的顺序交换”的较早版本中包括了本文中报告的一些结果。† Haas School of Business, University of California Berkeley, 2220 Piedmont Avenue, Berkeley, CA 94720-1900, USA, and University of Tokyo, Faculty of Economics, 7-3-1 Hongo, Bunkyoku, Tokyo, 113-0033, Japan, e-mail: y.cam.24@gmail.com ‡ University at Buffalo, SUNY, Department of经济学，415 Fronczak Hall，Bu Quallo，NY 14260-1520，美国，电子邮件：neelrao@buffalo.edu
一个随机人群模型，用于癌细胞休眠对治疗成功的影响
摘要。逃避治疗以及随后的疾病进展 - 是当前肿瘤学的主要挑战。在这种情况下的重要作用似乎是由各种形式的癌细胞杂草扮演的。例如，在短时间内，治疗引起的休眠可能会给积极的治疗方法（例如化学疗法和长期休眠）造成严重的障碍，即使在最初成功治疗后很多年，也可能导致复发和转移。潜在的休眠相关机制是复杂且高度多样的，因此，对休眠状态的基本模式的分析甚至需要抽象和理想化，以及相关特定方案的识别。在本文中，我们关注的是，单个癌细胞可以自发地和治疗的响应以及相对短的时间跨度均可转移和从休眠状态转移。我们基于基于随机剂的相互作用的数学“玩具模型”，用于涉及单个短期休眠的癌细胞种群的动力学，并允许一系列（多药）治疗方案。我们的分析表明，在我们理想化的模型中，即使是一小少数的休眠细胞群体也可能导致经典（以及在没有休眠成功）的单药治疗下的治疗失败。我们进一步研究了多种多种药物方案（以特定方式操纵休眠癌细胞）的有效性，并根据人群中存在的休眠机制的类型和参数为设计（多）药物治疗方案的设计提供了一些基本规则。
连续时间随机过程的量子编码与分析及其金融应用
对连续时间中的随机现象进行建模是一项重要而又具有挑战性的问题。通常无法获得解析解，而数值方法可能非常耗时且计算成本高昂。为了解决这个问题，我们提出了一个专门针对量子连续时间随机过程的算法框架。该框架由两个关键程序组成：数据准备和信息提取。数据准备程序专门用于编码和压缩信息，从而显着降低空间和时间复杂度。这种减少对于随机过程的关键特征参数而言是指数级的。此外，它可以作为其他量子算法的子模块，缓解常见的数据输入瓶颈。信息提取程序旨在以二次加速解码和处理压缩信息，扩展量子增强蒙特卡罗方法。该框架展示了多功能性和灵活性，可在统计学、物理学、时间序列分析和金融领域得到应用。举例来说，默顿跳跃扩散模型中的期权定价和集体风险模型中的破产概率计算，展示了该框架捕捉极端市场事件和纳入历史相关信息的能力。总的来说，这个量子算法框架为准确分析和增强对随机现象的理解提供了一个强大的工具。
不确定性条件下虚拟发电厂实时能源调度的随机在线预测优化框架
电力系统中分布式能源的聚集显著增加了不确定性，特别是由可再生能源发电的波动引起的不确定性。这一问题推动了广泛利用不确定条件下的先进预测控制技术的必要性，以确保长期经济性和脱碳。在本文中，我们提出了一个实时不确定性感知能源调度框架，该框架由两个关键要素组成：（i）混合预测和优化顺序任务，集成基于深度学习的预测和随机优化，其中这两个阶段通过多个时间分辨率的不确定性估计连接起来；（ii）高效的在线数据增强方案，共同涉及模型预训练和在线微调阶段。通过这种方式，所提出的框架能够快速适应实时数据分布，并针对控制过程中由数据漂移、模型差异和环境扰动引起的不确定性，最终实现最优、鲁棒的调度解决方案。所提出的框架在 2022 年 CityLearn Challenge 中赢得了冠军，这为研究人工智能在能源领域的应用潜力提供了一个有影响力的机会。此外，还进行了全面的实验来解释其在智能建筑能源管理现实场景中的有效性。
随机量子定理
本文介绍了几类与物理学和动态系统理论密切相关的新数学结构。这些结构中最普遍的一种称为广义随机系统，它们共同包含许多重要的随机过程，包括马尔可夫链和随机动态系统。然后，本文陈述并证明了一个新定理，该定理建立了任何广义随机系统与酉演化的量子系统之间的精确对应关系。因此，该定理导致了量子理论的新表述，以及希尔伯特空间、路径积分和准概率表述。该定理还从第一原理的角度解释了为什么量子系统基于复数、希尔伯特空间、线性酉时间演化和玻恩规则。此外，该定理表明，通过选择合适的希尔伯特空间，并选择适当的幺正演化，可以在量子计算机上模拟任何广义随机系统，从而可能为量子计算开辟一系列新颖的应用。
